依赖环境配置：Python、Java、R 等

聊到集成 QMEAN 和 Verify3D，配置环境往往是第一个坑。我记得刚入行那会儿，光装个 Python 科学计算栈就折腾了一下午——版本不对、依赖冲突、gcc 编译不过...后来我总结了一套相对稳妥的配置流程，今天分享给你。

Python 环境：逃不开的 NumPy/SciPy 栈

QMEAN 和 Verify3D 的核心计算大多依赖 Python。我个人习惯用 Miniforge 管理虚拟环境，而不是系统自带的 pip。为什么呢？因为 conda 对 NumPy 这种底层库的二进制兼容性处理得更好，你想想看，同样一个 NumPy 1.24，conda 安装的版本往往能少踩不少 glibc 的坑。

建议创建一个独立的 conda 环境：

conda create -n sv_qmean python=3.10
conda activate sv_qmean
conda install numpy scipy matplotlib pandas
conda install biopython  # 处理 PDB 文件常用
pip install requests     # 调用 QMEAN web API 时用

嗯，这里要注意：Biopython 版本别太新。我在项目里遇到过 Biopython 1.81 对某些老旧 PDB 格式解析报错的问题。如果出现这种怪事，降级到 1.79 往往能解决。

Java 运行时：Verify3D standalone 的前提

Verify3D 的经典版本是个 Java 命令行工具。虽然现在也有 Python 封装版，但很多老项目依然依赖原始的 Java CLI。

先确认 Java 版本：

java -version
# 期望输出类似：openjdk version "11.0.20" 2023-07-18 LTS

我个人建议用 Java 11 或 17，别用 Java 8——太老了，有些依赖报错不好定位；也别用 Java 21+，我试过一次，Verify3D 的某些 I/O 逻辑在最新版上会抛出 IllegalAccessError。

设置 JAVA_HOME：

export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64
export PATH=$JAVA_HOME/bin:$PATH

如果你用的是 macOS，建议用 brew install openjdk@11 来安装。Linux 用户直接用包管理器就好，比如 apt install openjdk-11-jdk。

R 语言环境：统计建模与可视化

虽然 QMEAN 和 Verify3D 的集成不强制要求 R，但做统计分析时 R 确实比 Python 方便。我一般用 bio3d 和 veri3 这两个包来处理结构验证数据。

# 在 R 控制台中执行
install.packages("bio3d")
install.packages("ggplot2")   # 画 profile 图
# 注意：veri3 包可能需要从 GitHub 安装
# remotes::install_github("yourrepo/veri3")

如果你是在服务器上跑，没有图形界面，记得安装 Cairo 包来支持 PDF 输出。

install.packages("Cairo")

容器化方案：Docker 一步到位

如果你需要在多个机器之间迁移环境，或者想给团队一个开箱即用的方案，Docker 是最省事的。

这是我常用的 Dockerfile 片段：

FROM continuumio/miniconda3:latest

RUN apt-get update && apt-get install -y \
    openjdk-11-jdk \
    r-base \
    r-cran-rcpp \
    && rm -rf /var/lib/apt/lists/*

RUN conda create -n sv_qmean python=3.10 numpy scipy matplotlib pandas biopython

RUN R -e "install.packages(c('bio3d','ggplot2','Cairo'), repos='https://cloud.r-project.org')"

COPY verify3d.jar /opt/verify3d/
ENV PATH="/opt/verify3d:${PATH}"
ENV PATH="/opt/conda/envs/sv_qmean/bin:${PATH}"

构建时注意给 Docker 分配足够内存——我建议至少 4GB，否则 conda 安装时容易 OOM。

docker build -t sv_qmean:1.0 --memory=4g .

环境配置快速核对清单

组件	推荐版本	验证命令
Python	3.8 – 3.11	python --version
Java	11 或 17 (LTS)	java -version
R	4.0 – 4.3	R --version
Conda	≥ 23.3	conda --version
NumPy	≥ 1.22	python -c "import numpy; print(numpy.__version__)"
Biopython	≥ 1.79, ≤ 1.81	python -c "import Bio; print(Bio.__version__)"

我个人习惯在项目的根目录放一个 environment.yml 文件，方便其他成员一键重建环境：

name: sv_qmean
channels:
  - conda-forge
  - defaults
dependencies:
  - python=3.10
  - numpy>=1.22
  - scipy
  - matplotlib
  - pandas
  - biopython>=1.79,<1.82
  - pip
  - pip:
    - requests
    - pyarrow  # 用于读写 feather 格式